摘要：为提高复合材料夹杂缺陷的检测效率,本文提出利用深度学习网络设计一种夹杂缺陷自动检测系统。在图像预处理环节采用两级反锐化掩膜算法突出夹杂缺陷特征,构建复合材料夹杂缺陷图像数据库;采用Mask R-CNN网络模型,经过网络模型训练,得到最优权重参数,最终设计实现缺陷检测软件系统。实验结果表明,Mask R-CNN算法网络准确率达94.6%,召回率达92.4%,AP值达87.3%。该系统应用方便快捷,将有效提高一线人员的缺陷检测效率和检测精度。

摘要：为了实现轮胎缺陷的自动检测,提高轮胎缺陷检测的精度,提出了一种子午线轮胎缺陷检测方法(YOLOv7-DCA)。首先,基于协调注意力和空洞卷积设计了DCA-MP(dilated coordinated attention-max pooling)模块,加强下采样的感受野,同时提高缺陷所占权重,提高缺陷检测精度;其次,在Neck层中融合了CARAFE(content aware reassembly of features)模块进一步提高缺陷检测精度。实验结果表明,YOLOv7-DCA模型平均检测精度可以达到97.77%,相比于原YOLO(you only look once)算法提高了3.27%。与当前主流的Faster-RCNN,YOLOv5,YOLOv7-tiny系列模型相比,综合表现效果最好。可见,该模型对于轮胎缺陷自动检测研究提供了参考意义。